使用python查找多个因子的最佳拟合平均值

这不是一个非常具体的问题，但我想知道是否有人能为我指出正确的方向。 基本上，我有一个json数据列表，如下所示：

[
    {"name":"Alex",
"Homework 1 grade":"98",
"Homework 2 grade":"48",
"Homework 3 grade":"38",
"Final grade":"94",
"Minutes spoken":"38",
"pass/fail":"Pass"},

{"name":"Tommy",
"Homework 1 grade":"38",
"Homework 2 grade":"53",
"Homework 3 grade":"92",
"Final grade":"47",
"Minutes spoken":"138",
"pass/fail":"Fail"},
]

成千上万的“学生”都在这样做，我想知道如何使用python来找出如何映射及格-不及格公式。（即：我如何计算出“发言分钟数”占你通过/失败几率的25%，而“最终成绩”占你通过/失败几率的30%）

---

抱歉，这是一个模糊的问题，但我想知道是否有人知道我可以进一步学习如何做到这一点的起点？

我的理解是，你想知道两个变量或特征“发言分钟数”、“最终成绩”对“及格/不及格”标签的贡献

首先，您可以尝试计算相关性

通过简单的谷歌搜索，我们发现两个变量之间的统计关系被称为它们的相关性。相关性可以是正的，这意味着两个变量朝着同一个方向移动，也可以是负的，这意味着当一个变量的值增加时，其他变量的值减少。当接近零时，一个变量值的增加/减少通常不会影响另一个变量值

使用Python库将JSON数据转换为数据帧，然后计算每个变量与标签之间的相关性

---

查看此线程：

我的理解是，您想知道“发言分钟数”、“最终成绩”这两个变量或特征对“通过/失败”标签的贡献

首先，您可以尝试计算相关性

通过简单的谷歌搜索，我们发现两个变量之间的统计关系被称为它们的相关性。相关性可以是正的，这意味着两个变量朝着同一个方向移动，也可以是负的，这意味着当一个变量的值增加时，其他变量的值减少。当接近零时，一个变量值的增加/减少通常不会影响另一个变量值

使用Python库将JSON数据转换为数据帧，然后计算每个变量与标签之间的相关性

---

查看此帖子：

谢谢您的帮助！我会查清楚的，谢谢你！我会查清楚的。